gemini-history-analyzer

Gemini History Analyzer

提取、分类和分析 Gemini Apps 活动的 Google Takeout ZIP 导出文件。此技能可处理：

• 解压（支持中文/Unicode 文件名）
• 内容分类和主题分析
• 根据对话模式提取用户画像
• 带上下文核验的领域专用关键词搜索
• PII/敏感内容检测
• 生成结构化报告，并可选择创建记忆文件

快速判断：会议记录还是提示词-响应

完整分析前，抽取 3-5 个文件样本，以确定对话类型：

信号	会议记录	提示词-响应
说话人标签	“张三：”、“李四：”、“Speaker 1：”	“User：”、“Assistant：”、“You：”
内容模式	讨论流程、轮流发言、闲聊	问答、指令→输出
长度分布	长短不一，短轮次较多	Assistant 的回复较长
文件命名	通常为中文、会议风格标题	英文、按主题命名

分析方法因类型而异：

• 会议记录 → 主题分类、说话人分析、决策跟踪、用户画像提取
• 提示词-响应 → 使用模式分析、能力评估、兴趣领域映射

步骤 1：解压 ZIP

Google Takeout 文件包含中文/Unicode 文件名。macOS 的 unzip 会破坏这些文件名——请始终使用 unar。

# Install unar if missing
brew install unar 2>/dev/null || true

# Extract to a target directory
unar -o <output-dir> -q "<takeout-zip-path>"

标准结构：

Takeout/
└── My Activity/
    └── Gemini Apps/
        ├── *.txt          # Conversation transcripts
        ├── *.html         # Web-format backups (rare)
        ├── *.png/jpg      # Images from conversations
        ├── *.mp3/mp4/wav  # Audio/video attachments
        ├── *.pdf          # Uploaded/shared documents
        ├── *.xlsx/docx    # Office documents
        └── *.zip          # Nested archives (animation frames, etc.)

步骤 2：盘点和分类

读取任何单个文件前，先进行完整盘点：

# Count by extension
find <extract-dir> -type f | sed 's/.*\.//' | sort | uniq -c | sort -rn

# List all txt files (these are the primary content)
find <extract-dir> -name "*.txt" -type f | sort

# Get total size per type
find <extract-dir> -type f -exec du -sh {} \; | sort -rh | head -30

建立一张表，列出：

• 文件总数、总大小
• 按文件类型划分的统计（txt 数量/大小、媒体文件数量/大小等）
• 如果文件时间戳有意义，则列出日期范围

步骤 3：抽样和分类

从文件列表中选取分散的 3-5 个 txt 文件（不要只选最前面的几个——时间戳/文件大小可能按类型聚集）。对每个文件：

1. 阅读开头约 100 行，确定对话类型
2. 识别语言（中文/英文/混合）
3. 对主题领域进行高层分类
4. 记录说话人数量和模式

根据这些样本，为其余文件确定分析策略。

步骤 4：完整内容分析

对每个 txt 文件，读取并提取：

4a. 元数据

• 标题（文件名去掉哈希后缀）
• 大致时长（根据对话记录中的时间戳）
• 说话人数量和身份
• 语言比例（中文 % / 英文 %）

4b. 主题分类

指定主要和次要主题。默认类别（根据实际内容调整）：

• 软件开发
• AI/大模型工具与工作流
• 基础设施/云/DevOps
• 商业/战略
• 产品/设计
• 团队/人力资源/人员
• 金融/投资（通常是分析重点）
• 法律/合规
• 个人/其他

4c. 每个文件的关键发现

对每个文件，记录：

• 主要讨论要点（3-5 条）
• 已作出的决定或行动事项
• 值得注意的引述（逐字引用，并附上上下文）
• 提及的关系（人物、公司、项目）

步骤 5：领域专用关键词搜索

查找特定领域（金融、法律等）的内容时：

1. 设计带有 AND/OR 逻辑的关键词列表——例如，金融：stock OR investment OR fund OR portfolio OR 股票 OR 投资 OR 基金，还要包括领域专用术语，如 EPS、P/E、dividend、arbitrage
2. 对每批关键词使用 grep 搜索每个 txt 文件
3. 阅读每处匹配的上下文（前后各 10 行）——仅靠关键词匹配会产生大量误报。“Investment”可能指商业战略，“option”可能指 UI 选项，“fund”可能指保险功能
4. 将每处匹配分类为：
   • 确定命中（对话内容确实涉及该领域）
   • 误报（词语相同，含义不同）
   • 不确定（需要进一步阅读）
5. 对确定命中和不确定的匹配，重新阅读完整文件

不要只看 grep 输出就停止——必须核验上下文。

步骤 6：生成报告

报告结构

# Gemini History Analysis Report
**Source**: <zip filename>
**Date analyzed**: <today>
**Extraction size**: <N files, N MB>

## 1. Content Overview
- Total conversations: N
- Conversation type: [Meeting Transcripts | Prompt-Response | Mixed]
- Language distribution: X% Chinese, Y% English, Z% Mixed
- Date range: <earliest> to <latest>
- Media attachments: N images, N audio, N video

## 2. Topic Distribution
| Category | Count | % | Notes |
|----------|-------|---|-------|
| ... | | | |

## 3. Key Findings
(Bulleted, organized by significance)

## 4. Domain-Specific Analysis
(If user requested finance/legal/etc. keyword search)
- Matches found: N
- Confirmed relevant: N
- False positives: N (with examples of what caused them)

## 5. Notable Documents
Non-txt files worth attention: PDFs, spreadsheets, etc.

## 6. Valuable Quotes
Verbatim quotes that capture key insights

## 7. PII / Sensitive Content
(Flag if detected — do NOT include the actual PII in the report)
- File: <name>, Type: <resume/background-check/etc.>, Risk: <high/medium/low>

步骤 7：生成记忆文件（可选）

如果用户希望将发现作为项目记忆持久保存（例如 .claude/projects/<path>/memory/）：

何时生成记忆文件

• 用户明确提出要求（“建立用户档案”“记住这个”）
• 分析发现了关于用户偏好、工作流程或限制条件的可复用见解
• 项目有记忆系统（检查是否已有 memory/MEMORY.md）

可提供的记忆文件类型

1. 用户档案（user-profile.md）——如果对话揭示了用户的角色、偏好、个性
2. 反馈／工作流程（feedback-*.md）——如果对话揭示了经过验证的工作流程、该做／不该做的事项
3. 项目上下文（project-*.md）——如果对话揭示了持续进行的项目、决策、限制条件

记忆写入协议

• 遵循项目现有的记忆格式（检查其他记忆文件的 frontmatter 约定）
• 添加 originSessionId 或指向该分析的来源标签
• 在 MEMORY.md 索引中添加新条目
• 切勿重复记忆中已有的内容——应更新现有文件

步骤 8：清理

# Remove extracted files after analysis complete (user confirms)
rm -rf <extract-dir>

关键注意事项（来自实际使用）

1. ZIP 解压：始终使用 unar

macOS 的 unzip 会悄悄损坏中文文件名，导致文件路径乱码，许多文件无法解压。使用 brew install unar 和 unar -o <dir> <zip> 可以正确处理所有情况。

2. 关键词搜索：grep 是第一步，不是答案

在一次实际分析中，搜索“stock”“investment”“fund”“option”“portfolio”“trading”等关键词，在 80% 以上的文件中都找到了匹配项——但每一个都是误报。这些词经常出现在软件开发语境中。对于每个匹配项，务必阅读其上下文。

3. 了解你正在读取的内容

Gemini Takeout txt 文件并非原始的 Gemini 提示词和回答。它们可能是：

• 由飞书妙记导出、随后上传到 Gemini 的会议记录
• 复制粘贴到 Gemini 中的手写笔记
• 为供分析而粘贴的 PDF／文章文本 在判断文件性质之前，先阅读每个文件开头约 100 行。

4. 可能包含个人身份信息（PII）

简历、背景调查表、联系人列表等，经常会出现在对话历史中。请标记这些内容，切勿在报告中包含其内容。如果要创建记忆文件或 wiki 页面，请确保对 PII 进行概述，而不是直接复制。

5. 大文件需要分级处理

一份 63KB 的记录可能是长达 2 小时的会议。除非它被标记为高度相关，否则不要通读全文。先阅读开头 10% 和结尾 10% 了解大意；只有在关键词命中或主题相关性足以支持时，才通读全文。

6. 大规模处理时并行读取

对于 100 个以上的文件，启动多个并行子 Agent，分批读取并总结（每批 10-15 个文件），再合并结果。一个 Agent 按顺序读取所有文件会耗尽上下文。